作者 | GenAICon 2024
2024中国天生式AI大会于4月18-19日在北京举行，在大会首日的主会场开幕式上，爱诗科技创始人兼CEO王长虎博士以《AI***天生——用像素构建星辰大海》为题揭橥演讲。
王长虎深耕打算机视觉与AI领域20年，曾任微软亚洲研究院主管研究员，2017年初加入字节跳动，而后担当字节跳动AI Lab总监，从0到1支撑了抖音、TikTok等国民级***产品的培植与发展。2023年4月，他创办AI视比年夜模型创企爱诗科技。
爱诗科技在今年1月上线的外洋版产品PixVerse，是当前环球用户量最大的国产AI***天生产品，海内版（爱诗视比年夜模型）也在今年3月上线内测。上线88天，PixVerse达成了一千万次***天生量的里程碑。
今年2月，Sora横空出世，点燃了大众对***天生的激情亲切，也为深耕该领域的从业者带来了前所未有的机遇和寻衅。在技能层面上，Sora验证了DiT架构在***天生中的Scaling Law（规模定律），并证明了这个方向的可行性。在王长虎看来，追赶Sora的窗口期在一年前，也便是爱诗科技成立的2023年。
过去一年，视比年夜模型经历着量变到质变。王长虎认为，中国在短***领域领先环球，同时短***也是最贴近用户的内容形态。目前***天生技能还没有到ChatGPT时候，他称自己有一支在环球AI***领域最能打硬仗、打胜仗的团队，希望最大程度降落***创作门槛，实现技能普惠。
以下为王长虎的演讲实录：
过去这一年，***天生领域进展迅速，从无人问津到众所周知。本日借这个机会，希望能跟大家聊一聊过去一年我的一些体会和肤见。
大家该当非常熟习这个***了。今年大年初七凌晨，Sora横空出世，进一步引发了大众对AI***天生的激情亲切。很多评论、解读铺天盖地而来，很多大V、大佬们也纷纭发言，包括马斯克、周鸿祎以及各种媒体。
大年初七一大早，我被微信吵醒了，很多投资人、朋友、家人、同事纷纭发来问候，彷佛又碰到那句话：“元芳你怎么看？”
当时最令我愉快的是这条，我们公司一位精良的候选人第一韶光给我发信息，说“我要加入你们”，由于***天生这件事“太大了、太主要了，时不我待”。
这是一张当时在国外互联网上广为流传图片——一众***天生模型膜拜“新王”Sora。看到这张图后，我的心情很繁芜。
我们的产品叫PixVerse，很荣幸“跪”在了第一排，跟Runway、Pika、SVD等当时最好的***天生产品放到一起，也是这张图里面唯一一家中国公司。
但另一方面，我们前面有一个巨人，还须要进一步超越它。
有人问我，Sora涌现之后你会不会焦虑？中美之间的视比年夜模型差距会不会越来越大？爱诗作为创业公司，接下来路怎么走？
在我看来，Sora的涌现是2024年春节期间我收到的最好的礼物。
一、Sora验证了DiT架构，追赶Sora的窗口期在一年前我们是在去年全体***天生行业还非常冷的时候，加入这个赛道的，并且在Sora出来之前，产品实测效果已经走到环球***天生第一梯队。
这就像一个人在戈壁徒步，已经走在最前面，须要连续探索的时候，溘然看到前面有一些脚印，那时候的觉得一定是非常愉快。
一方面，这验证了这个方向大概率是对的；另一方面，前面还有一个人能让你连续超越。因此，强大的对手是沙漠中的水源。
对付Sora的解读非常多，我就不详细展开了。在我看来，Sora最大的贡献便是验证了DiT（Diffusion Transformer）在***天生中的Scaling Law（规模定律）。
在根本打算量的时候，AI天生的***惨不忍睹，随着打算量更加至32倍，天生***险些可以以假乱真，这更武断了我们做***天生的信心。
毋庸置疑，Sora的涌现推动了全体行业的进步和发展。但是很遗憾，至今为止我也没有机会试一下Sora，我们想在座的绝大多数人都没有试过。
当前，Sora只是一场“卖家秀”，也特殊期待有一天我们可以看到更多的“买家秀”。Sora出来之后，我们可以看到很多大厂、初创公司都去做***天生了，要超越Sora。
有人问我，超越、追赶Sora的最佳窗口期是多永劫光？
在我看来，追赶Sora的窗口期是在过去这一年，是在***天生行业很冷的那一年，是在Sora出来之前，全体业界对这个方向还不那么认可的一年。
二、***天生去年不被看好，仍带领抖音AI***团队All in回到一年前，我们可以看一下这个行业有多冷。
一年前的本日，OpenAI、Anthropic分别得到了100亿美金、10亿美金的融资，海内的很多大措辞模型创企也纷纭拿到第一桶金数亿美金，更大的一笔钱还在融资操持中。
再看视比年夜模型。一年前，做视比年夜模型的公司，一只手都可以数得出来。国外Runway已经成立五年，拿到2亿美元融资；Pika刚刚涌现，拿到2000万美金；爱诗拿到数百万美元融资。
视比年夜模型和大措辞模型比较，就像蚂蚁和大象一样。
去年上半年，我们聊了一些投资人。一位行业大佬第一韶光打钱，成为了我们的天使领投，但更多投资人对这个方向可能看的还不是很清楚，也不是很认可。我们得到一些非常现实的建议，有人说大模型在中国没出息，还不如回家上班，或者建议尽快变现。
当时确实有非常多的选择，是连续创业还是回家？如果创业选择哪个赛道？是先做文生图，还是先做文生***？
那时候，***天生没有什么开源模型，须要从头去培植，且天生质量惨不忍睹。而AI图片天生产品Midjourney已经走出来了，每个月有数千万美元MRR（月度常常性收入），有开源模型，以是很多创业公司都去做文生图。
如果选择***天生，是做大模型还是做运用层？当时很多朋友找到我，说可以一起做游戏、电商、广告，能够很快变现。
但是在我看来，***是最主要、也是离用户最近的一类内容。过去多少年，我们可以看到抖音、TikTok这样的短***产品，已经成为环球最主要、用户量最大的国民级产品，无论是***量还是利用时长。
我们都知道抖音、TikTok是中国团队做出来的，做事于环球。很有幸我和我的核心伙伴们从2017年开始，从0到1支撑了抖音、TikTok这些产品背后的***AI。以是在AI***天生领域，我们是环球最能打硬仗、打胜仗的团队，于是决定是All in AI***天生。
三、给初创公司取个浪漫的名字，想用AI做最高级的内容去年这个时候，在Sora出来之前，引用张一鸣的说法，这是一种“务实的浪漫”。我们没有选择最随意马虎的事情，而是选择当时可能非主流、非共识，但我们认为是精确的事情。做视比年夜模型是有生命力的，是面向未来的。
我们公司也取了一个有点浪漫的名字——爱诗，“爱”是AI的意思，“诗”是可以万古长青的、最高级的内容，“爱诗”的意思是用AI做最高级的内容。
去年4月份我们公司成立，7月份开始演习大模型，经由大约几个月的韶光，技能上已经成为环球第一梯队。今年1月份我们的产品PixVerse在外洋上线，发展很快速。Sora出来之前，我们在年前已经拿到了数亿元的第二轮融资。
这是去年8月，我们第一次演习好的一个完全模型天生的***，韶光很短，动作也很小，但是对我们来说是一大步。
有人问我，大措辞模型跟视比年夜模型差异在什么地方？
在我看来，措辞和视觉是两类完备不同的内容，措辞是在人类涌现之后才涌现的，是人类文明的结晶，它已经对信息做了高度抽象和概括；而视觉在人类涌现之前，山在那里、水在那里，它是更原始的东西。
昔时夜模型涌现之后，人们对大模型的期待是仿照人脑，是新的硅基生命，是人内部的东西。而***天生大模型涌现之后，人们的期待是什么？是对天下进行仿照、建模。
***天生实质上是理解这个天下，然后做影像呈现，这种呈现经历了从记录到天生的演进过程，这里我们列举了三个影像记录历史中很主要的时候。
在三万多年前，人类已经在岩壁上去呈现自己看过的一些群狮奔跑的画面；1826年，法国的拍照先驱制作了第一张可以长期展现的照片；1872年，人类历史上第一个***涌现了，它源于两个美国人关于马飞奔过程中蹄子是否同时腾空的磋商。从视觉的呈现到***的天生看起来很远，事实上离我们很近。
小时候过年，我的父亲总会给我做各种各样的灯，个中有一种灯叫“走马灯”。我们要点燃烛炬，烛炬推动热气上升，带动轴轮的迁徙改变，轴轮上面会绑上一些剪纸，烛光通过剪纸映射到最外边一层的屏上，走马灯就呈现了这样动态的效果。右边的连环画是我很快乐的童年影象，也是一种原始的“***天生”。
当抖音、快手这样的短***产品逐渐成为主流，越来越频繁影响我们的生活的时候，我们可以看到***天生技能也逐渐涌现了。
最早期阶段是检索天生，即***里的每一个片段都是从海量数据中检索而来，不是纯粹天生的，通过自动或者人工办法拼接在一起，现在在短***平台里面也可以看到这样的***。
第二阶段是部分天生，我们在玩抖音、TikTok的时候会看到里面有很多殊效，个中有一个殊效“控雨”，用户录制***的时候用手掌可以掌握雨让它停掉，并且有一些微动。这类***总是有一个原始的***，在这个根本上做一些局部天生，包括殊效里面的美颜、动漫风、换个狗头、加个猫耳朵都是这样。
末了是我们现在提到的真正意义上的***天生，是凭空天生的。
***天生技能可以追溯到十年前，GAN（天生对抗网络）的涌现开始。之后的多少年，局部天生领域大放异彩，虽然有很多通用天生、文生***的技能涌现，但是效果也很差。
直到Diffusion扩散模型的成功，2023年涌现了非常多的文生***的技能、产品，有谷歌的VideoPoet、英伟达的Video LDM、Runway的GEN-2，还有Pika以及我们的PixVerse。
但是2024年Sora涌现，表明过去这一年无论是数据量、打算量还是参数量都有非常大的提升。
这里我选了几个模型，2023年7月份发布的AnimateDiff、2023年12月发布的VideoPoet以及2024年2月发布的Sora，个中关于Sora参数都是道听途说，有可能不准，也有可能比较守旧。我们看到一年之内，这些参数都有巨大的提升，这也带来了***天生产品的提升。
四、上线88天生成1000万次，PixVerse已办理多镜头同等性问题我们在去年11月份初发布了PixVerse测试版，今年1月份正式发布了Web UI的版本，供应了文生***、图生***以及我们创始的Character to Video，用户只要上传一张照片就可以成为***的主角，可以办理多镜头的同等性问题。
末了一张视比年夜家能看出是谁吗？这是我们开拓出这个模型之后天生的第一个***，我自拍一下输进去，让它天生一个我在跑步的***，“他”的身材比我好多了。天生后我第一韶光发到我们健身群里面，见告大家我的“健死后果显著”。
现在已经有很多的创作者用PixVerse替代摄像机、演员、布景来创作大片。中间一张图是一个俄罗斯用户在今年1月份创作的一个AI科幻片Last Mission，每个镜头都是PixVerse做的，这也是在海内外有广泛影响的影片。
很多海内用户也在用我们的产品。前段韶光我们受邀到一个省级电视台去互换，惊异地创造有很多编导已经在用PixVerse做AI***。他们也很惊异这个产品团队居然就在在海内。
下面这个***是海内一个导演“闲人一坤”，利用PixVerse创作出来的中式奇幻片《山海奇镜之劈波斩浪》，也是海内播放量最大、影响力最大的AI***之一。《山海奇镜之劈波斩浪》已经被快手平台采购，据悉将在5月上线。
PixVerse发布之后，我们跟创作者互换过程中，也碰着很多动听的瞬间。
这是海内一个54岁的老大哥给我们发的一封邮件，他想申请加入我们的创作者操持，说他前些天戴着老花镜花了一整天韶光，用PixVerse和剪映做成第一条AI电影。他说，利用PixVerse的过程中让他享受了创作的愉悦，并且跟我们分享了一些他的故事。这是猜想之外的冲动。我们看到自己的产品不仅有导演、专业创作者用起来，普通用户也能受益。
还有一位乌克兰导演，由于宏不雅观经济缘故原由失落业了。他用了PixVerse以为非常棒，想为我们社区发展助力。他当时创作了第一个关于喷鼻香水的广告大片，在外洋很火，很多商家看到了，付费让他帮忙创作广告，之后他又创作了一系列啤酒、钻石等广告，得到了收入。这里面每个镜头都是通过PixVerse做出来的。
前几天我发了一个朋友圈，纪念我们一千万次***天生。我想每一个***背后都可能有一个故事，但这也只是我们的一小步，希望未来能够做事于更多的用户。
现在***天生技能还没有到ChatGPT时候，还在快速发展过程中。但是我们已经欣喜地看到专业创作者们，在运用我们产品来替代镜头、演员、场景来天生大片，逐渐地去改变原有的***生产创作事情流，我们也期待未来有更多的行业，游戏、动漫、教诲、影视等受益于***天生技能的发展。
当然，我们也希望能够在最大程度上降落利用的门槛，不仅创作者们能够用起来，每天玩抖音、玩TikTok的普通消费者们也能够用我们的产品，轻松地利用AI***天生产品将创意转变为现实。我们希望能够做到技能普惠。
我们的产品名字叫PixVerse，Pix（Pixel）代表像素，Verse（Universe）代表宇宙。AI***天生，便是“用像素构建星辰大海”。
以上是王长虎演讲内容的完全整理。
